Java中随机数的原理，以及使用时的注意点

转载自 Java中随机数的原理，以及使用时的注意点

1 前言

一提到 Java 中的随机数，很多人就会想到 Random，当出现生成随机数这样需求时，大多数人都会选择使用 Random 来生成随机数。Random 类是线程安全的，但其内部使用 CAS 来保证线程安全性，在多线程并发的时候它的表现是存在优化空间的。在 JDK1.7 之后，Java 提供了更好的解决方案 ThreadLocalRandom，接下来，我们一起探讨下这几个随机数生成器的实现到底有何不同。

2 Random

Random 这个类是 JDK 提供的用来生成随机数的一个类，这个类并不是真正的随机，而是伪随机，伪随机的意思是生成的随机数其实是有一定规律的，而这个规律出现的周期随着伪随机算法的优劣而不同，一般来说周期比较长，但是可以预测。通过下面的代码我们可以对 Random 进行简单的使用:

public class RandomDemo {public static void main(String[] args) {Random rand = new Random();System.out.println(rand.nextInt());System.out.println(rand.nextInt(10));}
}

Random原理

Random 中的方法比较多，这里就针对比较常见的 nextInt() 和 nextInt(int bound) 方法进行分析，前者会计算出 int 范围内的随机数，后者如果我们传入 10，那么他会返回 [0,10) 之间的 int 类型的随机数，左闭右开。我们首先看一下 Random() 的构造方法:

public Random() {// 默认构造方法传入的seed值, // 这个值由种子算法得到的一个唯一值与纳秒值通过位运算得到// 尽可能做到了和另一个构造方法的seed值的不同this(seedUniquifier() ^ System.nanoTime());
}public Random(long seed) {if (getClass() == Random.class)this.seed = new AtomicLong(initialScramble(seed));else {// subclass might have overriden setSeedthis.seed = new AtomicLong();setSeed(seed);}
}private static long seedUniquifier() {// L'Ecuyer, "Tables of Linear Congruential Generators of// Different Sizes and Good Lattice Structure", 1999for (;;) {long current = seedUniquifier.get();long next = current * 181783497276652981L;if (seedUniquifier.compareAndSet(current, next))return next;}
}private static final AtomicLong seedUniquifier = new AtomicLong(8682522807148012L);

可以发现在构造方法当中，根据当前时间(纳秒)的种子生成了一个 AtomicLong 类型的 seed，这也是我们后续的关键所在。

nextInt()

nextInt() 的代码如下所示：

public int nextInt() {return next(32);
}

这个里面直接调用的是 next() 方法，传入的 32，代指的是 Int 类型的位数。

protected int next(int bits) {long oldseed, nextseed;AtomicLong seed = this.seed;do {oldseed = seed.get();// 根据一定的规则生成nextseednextseed = (oldseed * multiplier + addend) & mask;// 更新oldseed的值，通过cas保证线程安全} while (!seed.compareAndSet(oldseed, nextseed));// 返回前还需要位运算return (int)(nextseed >>> (48 - bits));
}

这里会根据 seed 当前的值，通过一定的规则((oldseed * multiplier + addend) & mask; 即伪随机算法)算出下一个 seed，然后进行 CAS，如果 CAS 失败则继续循环上面的操作。最后根据我们需要的 bit 位数来进行返回。核心便是 CAS 算法。

nextInt(int bound)

nextInt(int bound) 的代码如下所示：

public int nextInt(int bound) {if (bound <= 0)throw new IllegalArgumentException(BadBound);int r = next(31);int m = bound - 1;if ((bound & m) == 0)  // i.e., bound is a power of 2r = (int)((bound * (long)r) >> 31);else {for (int u = r;u - (r = u % bound) + m < 0;u = next(31));}return r;
}

这个流程比 nextInt() 多了几步，具体步骤如下:

首先获取 31 位的随机数，注意这里是 31 位，和上面 32 位不同，因为在 nextInt() 方法中可以获取到随机数可能是负数，而 nextInt(int bound) 规定只能获取到 [0,bound) 之前的随机数，也就意味着必须是正数，预留一位符号位，所以只获取了31位。(不要想着使用取绝对值这样操作，会导致性能下降)
然后进行取 bound 操作。
如果 bound 是2的幂次方，可以直接将第一步获取的值乘以 bound 然后右移31位，解释一下:如果 bound 是4，那么乘以4其实就是左移2位，其实就是变成了33位，再右移31位的话，就又会变成2位，最后，2位 int 的范围其实就是 [0,4) 了。
如果不是 2 的幂，通过模运算进行处理。

并发瓶颈

一般而言，CAS 相比加锁有一定的优势，但并不一定意味着高效，并发很大的情况下回造成CPU飙高。一个立刻被想到的解决方案是每次使用 Random 时都去 new 一个新的线程私有化的 Random 对象，或者使用 ThreadLocal 来维护线程私有化对象，但除此之外还存在更高效的方案，下面便来介绍本文的主角 ThreadLocalRandom。

3 ThreadLocalRandom

在 JDK1.7 之后提供了新的类 ThreadLocalRandom 用来在并发场景下代替 Random。使用方法比较简单:

public class RandomTest {public static void main(String[] args) {System.out.println(ThreadLocalRandom.current().nextInt());System.out.println(ThreadLocalRandom.current().nextInt());System.out.println(ThreadLocalRandom.current().nextInt(10));}
}

在 current 方法中有:

public static ThreadLocalRandom current() {if (UNSAFE.getInt(Thread.currentThread(), PROBE) == 0)// 判断当前线程是否初始化, 如果没有则初始化localInit();return instance;
}static final void localInit() {int p = probeGenerator.addAndGet(PROBE_INCREMENT);int probe = (p == 0) ? 1 : p; // skip 0long seed = mix64(seeder.getAndAdd(SEEDER_INCREMENT));Thread t = Thread.currentThread();UNSAFE.putLong(t, SEED, seed);UNSAFE.putInt(t, PROBE, probe);
}

可以看见如果没有初始化会对其进行初始化，而这里我们的 seed 不再是一个全局变量，而是每个线程私有的，在我们的Thread中有三个变量:

threadLocalRandomSeed：ThreadLocalRandom 使用它来控制随机数种子。
threadLocalRandomProbe：ThreadLocalRandom 使用它来控制初始化。
threadLocalRandomSecondarySeed：二级种子。

可以看见所有的变量都加了 @sun.misc.Contended 这个注解，用来处理伪共享问题。

在 nextInt() 方法当中代码如下:

public int nextInt() {return mix32(nextSeed());
}final long nextSeed() {Thread t; long r; // read and update per-thread seedUNSAFE.putLong(t = Thread.currentThread(), SEED,r = UNSAFE.getLong(t, SEED) + GAMMA);return r;
}

我们的关键代码如下:

UNSAFE.putLong(t = Thread.currentThread(), SEED,r=UNSAFE.getLong(t, SEED) + GAMMA);

可以看见由于我们每个线程各自都维护了种子，这个时候并不需要 CAS，直接进行 put，在这里利用线程之间隔离，减少了并发冲突；相比较 ThreadLocal<Random>，ThreadLocalRandom 不仅仅减少了对象维护的成本，其内部实现也更轻量级。所以 ThreadLocalRandom 性能很高。

4 性能测试

除了文章中详细介绍的 Random，ThreadLocalRandom，我还将 netty4 实现的 ThreadLocalRandom，以及 ThreadLocal<Random> 作为参考对象，一起参与 JMH 测评。

@BenchmarkMode({Mode.AverageTime})
@OutputTimeUnit(TimeUnit.NANOSECONDS)
@Warmup(iterations = 3, time = 5)
@Measurement(iterations = 3, time = 5)
@Threads(50)
@Fork(1)
@State(Scope.Benchmark)
public class RandomBenchmark {Random random = new Random();ThreadLocal<Random> threadLocalRandomHolder = ThreadLocal.withInitial(Random::new);@Benchmarkpublic int random() {return random.nextInt();}@Benchmarkpublic int threadLocalRandom() {return ThreadLocalRandom.current().nextInt();}@Benchmarkpublic int threadLocalRandomHolder() {return threadLocalRandomHolder.get().nextInt();}@Benchmarkpublic int nettyThreadLocalRandom() {return io.netty.util.internal.ThreadLocalRandom.current().nextInt();}public static void main(String[] args) throws RunnerException {Options opt = new OptionsBuilder().include(RandomBenchmark.class.getSimpleName()).build();new Runner(opt).run();}}

测评结果如下：

Benchmark Mode Cnt Score Error Units

RandomBenchmark.nettyThreadLocalRandom avgt 3 192.202 ± 295.897 ns/op

RandomBenchmark.random avgt 3 3197.620 ± 380.981 ns/op

RandomBenchmark.threadLocalRandom avgt 3 90.731 ± 39.098 ns/op

RandomBenchmark.threadLocalRandomHolder avgt 3 229.502 ± 267.144 ns/op

从上图可以发现，JDK1.7 的 ThreadLocalRandom 取得了最好的成绩，仅仅需要 90 ns 就可以生成一次随机数，netty 实现的 ThreadLocalRandom 以及使用 ThreadLocal 维护 Random 的方式差距不是很大，位列 2、3 位，共享的 Random 变量则效果最差。

可见，在并发场景下，ThreadLocalRandom 可以明显的提升性能。

5 注意点

注意，ThreadLocalRandom 切记不要调用 current 方法之后，作为共享变量使用

public class WrongCase {ThreadLocalRandom threadLocalRandom = ThreadLocalRandom.current()public int concurrentNextInt(){return threadLocalRandom.nextInt();}}

这是因为 ThreadLocalRandom.current() 会使用初始化它的线程来填充随机种子，这会带来导致多个线程使用相同的 seed。

public class BadCase {public static void main(String[] args) {ThreadLocalRandom rand = ThreadLocalRandom.current();for (int i = 0; i < 10; i++) {new Thread(() -> {System.out.println(rand.nextInt());}).start();}}
}

输出相同的随机数：

-1667209487

确保不同线程获取不同的 seed，最简单的方式便是每次调用都是使用 current()：

public class GoodCase {public static void main(String[] args) {for (int i = 0; i < 3; i++) {new Thread(() -> {System.out.println(ThreadLocalRandom.current().nextInt());System.out.println(ThreadLocalRandom.current().nextInt());System.out.println(ThreadLocalRandom.current().nextInt());}).start();}}
}

彩蛋1

梁飞博客中一句话常常在我脑海中萦绕：魔鬼在细节中。优秀的代码都是一个个小细节堆砌出来，今天介绍的 ThreadLocalRandom 也不例外。

在 incubator-dubbo-2.7.0 中，随机负载均衡器的一个小改动便是将 Random 替换为了 ThreadLocalRandom，用于优化并发性能。

彩蛋2

ThreadLocalRandom 的 nextInt(int bound) 方法中，当 bound 不为 2 的幂次方时，进入 else 分支，使用了一个循环来修改 r 的值，我认为这可能不必要，你觉得呢？

public int nextInt(int bound) {if (bound <= 0)throw new IllegalArgumentException(BadBound);int r = mix32(nextSeed());int m = bound - 1;if ((bound & m) == 0) // power of twor &= m;else { // reject over-represented candidatesfor (int u = r >>> 1;u + m - (r = u % bound) < 0;u = mix32(nextSeed()) >>> 1);}return r;}